EXA868 - Inteligência Artificial Não-Simbólica B
Avisos: Nossa aula nesta quarta, dia 27/06, será no laboratório MP53.
EMENTA
Fundamentos de Redes Neurais Artificiais. Redes Neurais Artificiais com aprendizado supervisionado. Redes Neurais Artificiais com aprendizado não supervisionado. Conjuntos Nebulosos. Fundamentos de Sistemas Nebulosos. Métodos de Inferência Nebulosos. Introdução aos Algoritmos Genéticos. Representação. Operadores Genéticos. Parâmetros Genéticos. Aplicações.
Material das aulas, veja abaixo.
Trabalho 1 - Redes Neurais
São 3 opções para você (individual ou em dupla) escolher. Veja especificação do trabalho no arquivo abaixo. Entrega do relatório até 13/05 por email aulas+exa868@artificial.eng.br.
Trabalho 2 - Algoritmos Evolutivos
São 3 opções para você (individual ou em dupla) escolher. Veja descrição inicial do trabalho no arquivo abaixo. Entrega do relatório até 01/07 08/07 (adiado) por email aulas+exa868@artificial.eng.br.
Trabalho 3 - Sistemas Fuzzy
São 3 opções para você (individual ou em dupla) escolher. Veja descrição inicial do trabalho no arquivo abaixo. Entrega do relatório até 05/08 12/08 14/08 (adiado) por email aulas+exa868@artificial.eng.br.
Ferramentas para Fuzzy:
http://jfuzzylogic.sourceforge.net/html/index.html
http://rorchard.github.io/FuzzyJ/
https://www.mathworks.com/products/fuzzy-logic.html
https://octave.sourceforge.io/fuzzy-logic-toolkit/overview.html
https://github.com/sorend/fuzzy4j
Atividade Laboratório 25/05:
Veja o exemplo deste algoritmo evolutivo: https://rehanjaffer.com/blog/genetic-algorithms-evolving-hello-world-in-javascript/
Estude o código, depois adicione a funcionalidade de exibir, a cada geração, o fitness do melhor indivíduo e a média de fitness. Depois adicione a funcionalidade de criar um gráfico com fitness médio e do melhor ao longo das gerações (veja o https://plot.ly). Faça variações no algoritmo evolutivo e visualize o que acontece.
BIBLIOGRAFIA
Simon Haykin. Redes neurais : principios e pratica. Porto Alegre : Bookman, 2001.
Braga, Antonio de Pádua, Carvalho, André Ponce de Leon F. de, Ludemir, Teresa Bernarda. Redes Neurais Artificiais : Teoria e Aplicações. LTC, 2ª edição, 2007.
Leandro de Castro. Fundamentals of natural computing : basic concepts, algorithms, and applications. Boca Raton: Chapman & Hall/CRC, 2006 .
Michalewicz, Zbigniew. (1996). Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag.
Rezende, Solange Oliveira. Sistemas Inteligentes - Fundamentos e Aplicações. 1ª Edição. Editora Manoele, 2003.
Timothy Masters. Practical neural network recipes in C. Boston : Academic Press, 1993.
Kovacs, Zsolt Laszl. Redes Neurais Artificiais: Fundamentos e Aplicações, Um Texto Básico. São Paulo Acadêmica, 2ª edição, 1996.
Aguiar, Hime, Oliveira Jr. Inteligência Computacional: Aplicada à Administração, Economia e Engenharia em Matlab. Thomson Learning, 1ª edição, 2007.
Bishop, Christopher M. Neural networks for pattern recognition. Oxford: Clarendon Press, New York:Oxford University Press, 1995.
Goldberg, David E. Genetic algorithms in search, optimization, and machine learning. Boston: Addison-Wesley, 1989.
Sivanandam, S. N; Deepa, S. N. Introduction to genetic algorithms. New York, US: New York: Springer, 2007.
Mitchell, Melanie. An introduction to genetic algorithms. Cambridge: MIT Press, 1996.